Feature engineering 과정
Feature engineering을 모델링 과정에 포함하려면, 모델 적합 단계 전에 학습용과 테스트용 데이터셋을 전처리해야 해요. 이번 챕터에서 배운 내용을 활용하면, 통신 데이터의 모든 사용 가능한 예측 변수를 사용해 로지스틱 회귀 모델을 학습할 수 있어요.
이 연습 문제에서는 통신 데이터에 대해 feature engineering 파이프라인을 만들고, 이를 사용해 학습용과 테스트용 데이터셋을 변환해 보겠습니다.
telecom_training과 telecom_test 데이터셋, 그리고 로지스틱 회귀 모델 사양인 logistic_model이 세션에 로드되어 있어요.
이 연습은 강의의 일부입니다
R에서 tidymodels로 모델링하기
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
telecom_recipe <- recipe(___, data = ___) %>%
# Removed correlated predictors
___(___) %>%
# Log transform numeric predictors
___(___, base = 10) %>%
# Normalize numeric predictors
___(___) %>%
# Create dummy variables
___(___, ___)